基于居家办公用户需求的智能办公桌设计研究

文章对智能办公桌行业的发展现状进行分析,并对家用智能办公桌进行设计研究。结合kano模型,调研市场上传统的办公家具及已有的智能办公家具,并查阅相关文献,分析目标人群对家用智能办公桌的需求,在满足实用性的前提下,探索性构建家用智能办公桌需求模型。根据构建出的Better-Worse系数分析四分位图,总结得出家用智能办公桌设计改进方向为智能升降、无线充电、语音系统、灯光调节等,并依据总结出的改进方向对家用智能办公桌进行设计与实践。该智能办公桌设计可通过智能升降及灯光自动调节的功能满足用户身体机能的需求,减少用户在家庭办公过程中的脊椎及眼部疲劳度;通过无线充电的功能满足用户对于便利性的需求,提升创新性体验;通过智能语音的功能满足用户对个性化服务以及工作效率提升的需求;通过桌面便携调节功能满足用户对于家庭空间利用的需求。通过对智能办公桌的设计与研究,为以后家用智能办公桌的发展提供参考。

多异构并联机构组合体数字孪生研究

为了精确构建复杂机械设备数字孪生模型,提出了一种针对多异构并联机构组合体的数字孪生方法。设计了面向特殊机电产品的多异构并联机构组合体数字孪生系统,对该机电产品的多异构并联机构组合体进行运动仿真。搭建了数字孪生虚拟实体,设计了相应的多异构并联机构组合体运动学位姿求解算法;通过信息物理系统(CPS)连接虚拟实体与物理实体,实现了虚拟实体与物理实体的运动关系映射,虚拟实体的运动与物理实体保持同步。仿真和实际运行表明,算法效率满足实时运行需要,多异构并联机构组合体数字孪生系统满足数字孪生高同步性要求。

提升系统的渐近伪轨跟踪性质(英文)

设X是紧致度量空间,f:X→X是连续映射.又设X是X的覆叠空间,f:X→X是f的提升映射.本文证明:(X,f)有渐近伪轨跟踪性质当且仅当(X,f)有渐近伪轨跟踪性质.

提升系统的强跟踪性

研究了紧度量空间上的连续映射的强跟踪性，证明了：提升系统（X^～，f^～）具有强跟踪性的充要条件是（X，f）具有强跟踪性；若f满足Lipschitz条件，则f具有强跟踪性当且仅当对任意k∈Z＋，f^k具有强跟踪性．

基于Henon映射与改进的提升小波变换图像加密算法

数据在开放的网络环境中传输容易被盗取或破坏,因此常常利用混沌系统结合各种算法对多媒体数据进行加密。针对传统置乱扩散结构安全性低、依赖大量伪随机数的问题,文章提出一种基于Henon映射和改进的提升小波变换图像加密算法。首先,该算法对混沌系统产生的伪随机序列进行循环移位以及S盒处理生成密钥,同时将普通明文图像变换成一维奇偶索引序列;其次,将变换后的序列进行预测和更新处理,得到图像的低频近似分量和高频细节分量,完成一次加密;最后,分别翻转这两个被扰乱的分量,并再次执行预测和更新算法,完成对图像的加密。灰度图像上的计算机仿真实验与性能分析表明,使用该算法加密的图像失去了明显的统计特性,可以抵抗统计性攻击,有效提高了图像加密的安全性。

基于提升框架的整数小波变换

提升框架可以从一个新的角度来构造小波滤波器,它的核心是确定预测算子和更新算子。该文 引进了多项式局部拟合方法来求取预测算子和更新算子,对每步提升下取整,就实现了整数小波变换.仿真 结果表明,该方法应用于二维数字图像,在一定失真的前提下,具有较高的压缩比,而且小波系数与尺度系 数都是整数,不需要量化步骤.因此,它对于整数数据压缩具有重要的意义.

基于可逆整数变换的高光谱图像无损压缩

将变换矩阵分解为三角可逆矩阵(TERM)实现的整数Karhunen-Loève变换(IKLT),具有结构简单、完全可逆和同址运算的优点.将整数KLT和整数小波结合(IWT),提出了一种基于可逆整数变换的去相关方法:将KLT用于去除谱间冗余,并在对KLT的变换矩阵进行TERM分解的过程中,提出基于全局最大值选择主元的优化分解方法,保证了IKLT的准确度,同时明显降低了计算量;空间维的去相关变换采用基于提升结构的整数小波变换,同样保证了变换的完全可逆.采用不同编码策略,对不同场景的高光谱图像数据压缩的实验结果表明,基于整数混合变换的去相关方法能明显提高无损压缩比.

高超声速飞行器周期巡航与总体参数关系研究

考虑防热和节能等因素,高超声速飞行器在巡航段应采取周期巡航。采用无量纲参数,将飞行器动力学方程归一化,用胞映射法确定了高超声速飞行器周期巡航的初始条件,并分析了周期巡航与推重比、升阻比等总体参数的关系。得出了大升阻比、高推重比有利于飞行器实现周期巡航以及巡航燃料消耗率主要与升阻比有关等结论。

Hessian矩阵的若干应用

介绍了Hessian矩阵在多元向量值函数的极值问题、Morse理论、计算机数值计算和调和映射方面的应用情况.在调和映射方面,提供了用Hessian矩阵刻画水平弱共形映射的完全提升仍然是水平弱共形映射的等价条件,并在证明过程中揭示出Hessian矩阵与齐二次多项式、Nabla算子存在的密切关系.

关于拓扑链遍历映射

证明了拓扑链遍历映射的拓扑共轭不变性;研究了fk与f1×f2×…×fn的拓扑链遍历性,并给出了f的拓扑链遍历性与fk的拓扑链遍历性等价的条件,以及fi,i=1,2,…,n的拓扑链遍历性与f1×f2×…×fn的拓扑链遍历性等价的条件;给出了系统(X,f)拓扑链遍历与其提升系统(X珘,珓f)的拓扑链遍历的相互蕴涵性。

基于小波提升的公有水印技术

结合小波提升和人的视觉系统(HVS)等特点,提出一种基于9/7双正交小波提升的图像数字水印算法。采用伪随机序列对水印图像加密调制;对原始图像进行小波提升的多分辨率分解,考虑HVS对水印嵌入高低频子带感知不同性和鲁棒差异性,依据高频子带系数构建嵌入水印的标志定位矩阵,通过该矩阵实现高低频子带嵌入水印的位置映射,设置合适阈值,在逼近子带上进行自适应水印的嵌入。最后通过标志定位矩阵和逼近子带的位置映射,成功地从逼近子带里提取公有水印并进行伪随机序列解密。实验表明该数字水印系统具有很好的不可感知性和双重安全性,且具有抵抗JPEG、JPEG000压缩攻击的鲁棒性。

基于提升小波的电能质量高效定位算法

针对暂态电能质量扰动信号的检测和定位,提出了一种基于提升复小波的高效定位算法。首先对扰动信号基于(max-imum posteriori,MAP)最大后验估计的双树复小波进行去噪预处理,对不同分解层次的细节系数的噪声方差和信号方差进行估计运算,同时计算各分解层的阈值,得到去噪阈值。扰动信号进行去噪预处理后,利用提升小波对去噪后的扰动信号进行定位,并与传统实小波进行了定位准确度和算法耗时的比较。仿真实验结果表明,所提去噪预处理定位算法步骤简单,效果理想定位运算速度快且易于实现,实用性强,两者结合具有良好的应用前景。

映射的重合点与诱导的同伦群同态

本文讨论了由拓扑空间到实与复射影空间的两个映射存在重合点的判别条件,其代数工具是同伦群,而不是同调群.

一种线性提升小波的方向断面边缘检测法

提出了一种基于线性提升小波的方向断面边缘检测法.构建了一组提升小波预测函数,并推导了一个线性更新函数.通过对原始影像进行"分裂"、"预测"与"更新"运算,实现影像的小波分解,并利用分解后的小波系数构成影像的小波梯度图和方向图.在小波方向图和梯度图的引导下,根据方向断面检测原理实现影像的边缘提取,也利用方向图实现了边缘的跟踪与准确定位.结果表明,由于方向图对于线性特征更加敏感,所提出的方法对于线性目标的检测更加有效.

马蹄映射 Cantor 分形图计算机构造及其混沌分维特性

马蹄映射是具有无穷多个周期点的结构稳定（或Ω稳定）的混沌动力学研究中第一个经典型例子．计算机构造出自相似马蹄映射，并实现了升腾变换，提供了马蹄映射的高维动力性态，并据此计算出马蹄映射Ｃａｎｔｏｒ分形图的混沌分维．本算法理论上适用于ｎ次迭代．同时，马蹄映射产生的Ｃａｎｔｏｒ分形图与Ｍａｎｄｅｌｂｒｏｔ集和Ｊｕｌｉａ集以及其它一些分形图，虽然正式地看来是决定论的后果，实质上可看作一个随机过程的极限．

提升系统的逐点伪轨跟踪性质

设X是紧度量空间，f：X→X是连续映射，又设~X是X的覆叠空间，~f：~X→~X是f的提升，证明了（~X，~f）有逐点伪轨跟踪性质，当且仅当（X，f）有逐点伪轨跟踪性质．

M-纤维式纤维化的特征与诱导M-纤维式纤维化

本文研究了M-纤维式纤维化的问题,利用M-纤维式升腾函数获得了M-纤维式纤维化的特征,以及证明了M-纤维式上纤维化诱导的映射空间之间的M-纤维式映射在一定条件下也是M-纤维式纤维化.

基于改进零树集合的新图像编码算法

提出一种新图像编码算法(NewZerotreeCoding,简称NZC),该算法能够通过引入快速提升小波变换、修改零树集合定义及其分割排序策略等措施在一定程度上克服SPIHT图像编码算法的不足。实验结果表明:NZC算法不仅能够在几乎不降低图像复原质量的前提下进一步降低计算复杂度、提高编码速度;而且能够大幅度降低内存需求量,从而便于硬件实现。

基于小波变换的图像bit纠错数据并行实现研究

针对图像传输的比特纠错去噪处理高效实现,本文提出了一种基于小波分解的比特纠错SIMDPE阵列数据并行计算方法。该方法,针对不同的小波子带,采用不同的并行计算策略;针对数据并行计算中的PE选择问题,采用PE标识预置的解决方法,即确保去噪效果,又使得数据并行操作更为规则、简洁,大幅度地提高了处理的速度。

不同维数据融合方法仿真对比研究

为验证不同融合方法的融合效果和系统处理时间及其性能,采用多雷达系统组网对不同维数据融合处理的映射法、升维法、分维法的融合框架和融合算法进行分析,并利用计算机仿真方法得出并分析对比数据。仿真结果表明:3种处理不同维数据融合的方法中,分维法在融合误差、关联概率方面有明显优势。